| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 问题背景 | 第14-15页 |
| 1.2 研究现状、存在的问题及研究意义 | 第15-19页 |
| 1.2.1 研究现状 | 第15-18页 |
| 1.2.2 存在问题及研究意义 | 第18-19页 |
| 1.3 论文研究框架 | 第19-20页 |
| 1.4 论文结构 | 第20-21页 |
| 第二章 相关理论 | 第21-27页 |
| 2.1 创新项目组合管理 | 第21-22页 |
| 2.2 创新项目组合绩效 | 第22-23页 |
| 2.3 贝叶斯网络理论基础 | 第23-25页 |
| 2.3.1 贝叶斯网络的基本概念 | 第23-24页 |
| 2.3.2 贝叶斯网络应用及优点 | 第24-25页 |
| 2.3.3 贝叶斯网络建模方法 | 第25页 |
| 2.4 绩效预测方法 | 第25-27页 |
| 第三章 创新项目组合绩效影响因素的确定 | 第27-37页 |
| 3.1 创新项目组合绩效影响因素 | 第27-32页 |
| 3.1.1 高管参与 | 第27-28页 |
| 3.1.2 项目经理胜任力 | 第28-29页 |
| 3.1.3 项目组合管理流程的设计与实施 | 第29-30页 |
| 3.1.4 单个项目终止流程 | 第30-32页 |
| 3.2 数据收集 | 第32-34页 |
| 3.2.1 问卷设计和指标测量 | 第32-33页 |
| 3.2.2 数据来源 | 第33-34页 |
| 3.3 探索性因子分析 | 第34-35页 |
| 3.4 信度和效度检验 | 第35-37页 |
| 第四章 创新项目组合绩效预测的贝叶斯网络模型构建 | 第37-49页 |
| 4.1 潜变量得分计算 | 第37-38页 |
| 4.2 创新项目组合绩效预测的初始BN模型 | 第38-42页 |
| 4.2.1 数据离散化 | 第38-39页 |
| 4.2.2 基于K2算法的BN结构学习 | 第39-42页 |
| 4.3 基于PLS算法检验的创新项目组合绩效预测的BN模型 | 第42-46页 |
| 4.3.1 因果关系检验 | 第42-43页 |
| 4.3.2 偏最小二乘算法 | 第43-44页 |
| 4.3.3 基于PLS算法的BN模型 | 第44-46页 |
| 4.4 创新项目组合绩效预测的BN参数学习 | 第46-49页 |
| 第五章 实例应用 | 第49-52页 |
| 5.1 创新项目组合绩效预测 | 第49-50页 |
| 5.2 模型评估 | 第50-52页 |
| 第六章 总结与展望 | 第52-55页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-62页 |
| 附录 关于创新项目组合管理调查问卷 | 第62-65页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第65-66页 |